动易网站默认密码,郑州北环网站建设培训,阿里云电影网站建设教程,金乡网站建设本文使用Python库dlib和OpenCV来实现面部特征点的检测和标注。
下面是代码的主要步骤和相关的代码片段#xff1a;
步骤一#xff1a;导入必要的库和设置参数
首先#xff0c;代码导入了必要的Python库#xff0c;并通过argparse设置了输入图像和面部标记预测器的参数。…本文使用Python库dlib和OpenCV来实现面部特征点的检测和标注。
下面是代码的主要步骤和相关的代码片段
步骤一导入必要的库和设置参数
首先代码导入了必要的Python库并通过argparse设置了输入图像和面部标记预测器的参数。
from collections import OrderedDict
import numpy as np
import argparse
import dlib
import cv2步骤二定义面部关键点索引
使用OrderedDict定义了两组面部关键点一组包含68个点另一组包含5个点这些关键点用于后续的特征提取。
FACIAL_LANDMARKS_68_IDXS OrderedDict([(mouth, (48, 68)),(right_eyebrow, (17, 22)),(left_eyebrow, (22, 27)),(right_eye, (36, 42)),(left_eye, (42, 48)),(nose, (27, 36)),(jaw, (0, 17))
])步骤三人脸检测和关键点预测
使用dlib的面部检测器和预测器对输入的图像进行人脸检测并对每个检测到的人脸进行关键点定位。
detector dlib.get_frontal_face_detector()
predictor dlib.shape_predictor(args[shape_predictor])步骤四关键点转换和可视化
将dlib的关键点数据结构转换为NumPy数组然后通过自定义的visualize_facial_landmarks函数在图像上绘制关键点和凸包。
def shape_to_np(shape, dtypeint):coords np.zeros((shape.num_parts, 2), dtypedtype)for i in range(0, shape.num_parts):coords[i] (shape.part(i).x, shape.part(i).y)return coordsdef visualize_facial_landmarks(image, shape, colorsNone, alpha0.75):# 创建overlay, 绘制关键点和凸包步骤五处理每一个检测到的人脸
对于图像中每一个检测到的人脸提取关键点可视化并显示每个部分的区域图像。
for (i, rect) in enumerate(rects):shape predictor(gray, rect)shape shape_to_np(shape)output visualize_facial_landmarks(image, shape)cv2.imshow(Image, output)cv2.waitKey(0)本文使用dlib和OpenCV对人脸图像进行关键点检测并将检测到的关键点用于图像处理和分析。通过不同的面部部分的关键点可以在应用程序中实现多种面部识别和分析功能。
#导入工具包
from collections import OrderedDict
import numpy as np
import argparse
import dlib
import cv2# 参数
ap argparse.ArgumentParser()
ap.add_argument(-p, --shape-predictor, defaultshape_predictor_68_face_landmarks.dat,helppath to facial landmark predictor)
ap.add_argument(-i, --image, defaultimages/liudehua2.jpg,helppath to input image)
args vars(ap.parse_args())FACIAL_LANDMARKS_68_IDXS OrderedDict([(mouth, (48, 68)),(right_eyebrow, (17, 22)),(left_eyebrow, (22, 27)),(right_eye, (36, 42)),(left_eye, (42, 48)),(nose, (27, 36)),(jaw, (0, 17))
])FACIAL_LANDMARKS_5_IDXS OrderedDict([(right_eye, (2, 3)),(left_eye, (0, 1)),(nose, (4))
])def shape_to_np(shape, dtypeint):# 创建68*2coords np.zeros((shape.num_parts, 2), dtypedtype)# 遍历每一个关键点# 得到坐标for i in range(0, shape.num_parts):coords[i] (shape.part(i).x, shape.part(i).y)return coordsdef visualize_facial_landmarks(image, shape, colorsNone, alpha0.75):# 创建两个copy# overlay and one for the final output imageoverlay image.copy()output image.copy()# 设置一些颜色区域if colors is None:colors [(19, 199, 109), (79, 76, 240), (230, 159, 23),(168, 100, 168), (158, 163, 32),(163, 38, 32), (180, 42, 220)]# 遍历每一个区域for (i, name) in enumerate(FACIAL_LANDMARKS_68_IDXS.keys()):# 得到每一个点的坐标(j, k) FACIAL_LANDMARKS_68_IDXS[name]pts shape[j:k]# 检查位置if name jaw:# 用线条连起来for l in range(1, len(pts)):ptA tuple(pts[l - 1])ptB tuple(pts[l])cv2.line(overlay, ptA, ptB, colors[i], 2)# 计算凸包else:hull cv2.convexHull(pts)cv2.drawContours(overlay, [hull], -1, colors[i], -1)# 叠加在原图上可以指定比例cv2.addWeighted(overlay, alpha, output, 1 - alpha, 0, output)return output# 加载人脸检测与关键点定位
detector dlib.get_frontal_face_detector()
predictor dlib.shape_predictor(args[shape_predictor])# 读取输入数据预处理
image cv2.imread(args[image])
(h, w) image.shape[:2]
width500
r width / float(w)
dim (width, int(h * r))
image cv2.resize(image, dim, interpolationcv2.INTER_AREA)
gray cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)# 人脸检测
rects detector(gray, 1)# 遍历检测到的框
for (i, rect) in enumerate(rects):# 对人脸框进行关键点定位# 转换成ndarrayshape predictor(gray, rect)shape shape_to_np(shape)# 遍历每一个部分for (name, (i, j)) in FACIAL_LANDMARKS_68_IDXS.items():clone image.copy()cv2.putText(clone, name, (10, 30), cv2.FONT_HERSHEY_SIMPLEX,0.7, (0, 0, 255), 2)# 根据位置画点for (x, y) in shape[i:j]:cv2.circle(clone, (x, y), 3, (0, 0, 255), -1)# 提取ROI区域(x, y, w, h) cv2.boundingRect(np.array([shape[i:j]]))roi image[y:y h, x:x w](h, w) roi.shape[:2]width250r width / float(w)dim (width, int(h * r))roi cv2.resize(roi, dim, interpolationcv2.INTER_AREA)# 显示每一部分cv2.imshow(ROI, roi)cv2.imshow(Image, clone)cv2.waitKey(0)# 展示所有区域output visualize_facial_landmarks(image, shape)cv2.imshow(Image, output)cv2.waitKey(0)
